2017年十大最受歡迎機器學習Python庫

每年的十二月是每個人review過去一年成就的時候，在看自己成就的同時，也同時為未來做好打算。對于程式員來說，十二月通常是回顧今年釋出的開源庫或者是最近流行的開源庫，因為它們是在未來一段時間内解決我們問題的絕佳工具。

AI的快速發展，讓機器學習走向了巅峰，今天我們就借此盤點一下2017年最受歡迎的機器學習庫（ML），希望你能夠在這裡尋找到你未來一段時間内的“利器”。

今年Facebook推出的DLT架構PyTorch，在深度學習社群中很受歡迎。PyTorch是建構在流行的Torch架構之上，尤其是它是基于Python的。考慮到過去幾年人們一直在使用Python進行資料科學研究，這也是深度學習庫大部分是使用Python的原因。

最值得注意的是，PyTorch已經成為了衆多研究人員的首選架構之一，因為它實作了新穎的動态計算圖範例（Dynamic

Caffe2支援分布式訓練、部署，支援最新的CPU和CUDA的硬體。雖然PyTorch可能更适合研究，但Caffe2更适合大規模部署。其實，你可以在PyTorch中建構和訓練模型，同時使用Caffe2進行部署！這不是很好嗎？

Pendulum的優點之一是它是Python标準datetime類直接替代品，是以你可以輕松地将其與現有代碼內建，并且隻有在需要時才能使用其功能。作者特别注意確定時區能夠正确處理，預設情況下使每個執行個體時區感覺自己的時區。你也将得到一個擴充timedelta，這樣日期時間算術更容易。

Python中有許多庫用于研究資料科學和ML，但是當你的資料是随着時間的推移而變化的度量（例如股票價格，儀器的測量值等等）時，這對于大部分庫來說是一個比較棘手的問題。

PyFlux是一個專門為<b>時間序列而開發的</b> Python開源庫。時間序列研究是統計學和計量經濟學的一個子領域，目标可以描述時間序列如何表現（以潛在的因素或興趣的特征來表示），也可以借此預測未來的行為。

<b>7. </b><b>Fire</b><b></b>

Fire是一個開源的庫，可以為任何Python項目自動生成一個CLI，關鍵是自動，你幾乎不需要編寫任何代碼或文檔來建構你的CLI！你隻需要調用一個Fire方法并把它所需要建構的傳遞給CLI。

在理想的情況下，我們會有完美平衡的資料集，但不幸的是，現實世界并不是這樣的，某些任務擁有非常不平衡的資料。例如，在預測信用卡交易中的欺詐行為時，你預計絕大多數交易（99.9％）是合法的。天真地訓練ML算法會導緻令人失望的性能，是以在處理這些類型的資料集時需要特别小心。

如果你需要搜尋某些文本并将其替換為其他内容（如大多數資料清理流程中），則通常會轉為正規表達式。通常情況下，正規表達式考研完美的解決問題。但是有時會發生這樣的情況：你需要搜尋的術語數量是成千上萬，然後，正規表達式可能變得非常緩慢。這時FlashText是一個更好的選擇，它使整個操作的運作時間大大提高了（從5天到15分鐘）。FlashText的優點在于無論搜尋條件有多少，運作時都是一樣的，而正規表達式中運作時将随着條件數幾乎呈線性增長。

FlashText證明了算法和資料結構設計的重要性，即使對于簡單的問題，更好的算法也可以輕松超越最快的CPU。

現實生活中圖像無處不在，了解其内容對于多個應用程式來說是至關重要的。值得慶幸的是，由于DL的發展，圖像處理技術已經進步很多。

<b>其他優秀的</b><b>Python</b><b>庫：</b><b></b>

假如你很喜歡使用scikit-learn的API，但是遇到了需要使用PyTorch來完成工作。不要擔心，skorch是一個封裝，可以通過類似sklearn的接口提供PyTorch程式設計。如果你熟悉這些庫，那麼文法将很簡單易懂。通過skorch，你會得到一些抽象的代碼，是以你可以把更多的精力放在真正重要的事情上，比如做資料科學。

文章原标題《top-10-python-libraries-of-2017》，

作者：Alan Descoins  部落格位址：https://tryolabs.com/blog/authors/alan-descoins/

譯者：虎說八道，審閱：